美国新势力Rivian2025 Autonomy & AI Day：自研800TOPs芯片

在国内，所有人做辅助驾驶的人的目光基本都聚焦在 FSD 的技术产品方案，但是最近欧美新势力Rivian 在其 AI 日上投下了一枚重磅炸弹。

他们不仅推出了价格极具竞争力的2,500美元的自动驾驶辅助套件 Autonomy+，更重要的是，他们公布了一张全面、激进且极度依赖硬件自研的路线图。

这不再是一场软件升级竞赛，而是一场关乎AI 芯片、三维世界模型和数据飞轮效率的底层架构之战。

从自研 800 TOPS 的 RAP1 芯片，到首次拥抱 LiDAR 激光雷达，再到打造端到端的大型驾驶模型 (LDM)，Rivian 正将自己武装成一个真正的“AI 定义汽车”玩家。

这份深入的分析将带您深入Rivian技术产品细节，直击 Rivian 的 Gen 3硬件平台、端到端软件模型，以及其能否在 2026 年实现“点对点自动驾驶”甚至“脱手脱眼”的雄心壮志。

总体技术与和产品路线图

Rivian的自动驾驶辅助套件 Autonomy+ 的售价为 2,500 美元（一次性付款）或每月 49.99 美元，包含一项通用脱手驾驶功能，可在美国和加拿大超过 350 万英里的道路上使用。特斯拉FSD在北美的价格是8,000 美元的售价或每月 99 美元的订阅价格。

点到点导航（P2P，2026 年开始）：车辆可以完全自动地从一个地址导航到另一个地址。完全脱眼的：P2P 之后的下一个重大步骤，你可以双手脱离方向盘、目光离开道路，看手机或读书，不再需要积极参与驾驶

个人 L4 级自动驾驶（Personal L4）：随后的迭代，车辆将完全自主运行，可以接送孩子或接你从机场回来。

总体从宏观上看，产品细节主要是L2的体验，升级到L4自动驾驶。也符合当前的主流共识。

Rivian Gen 3 硬件系统深度解析

Rivian 的Gen 3 Autonomy 系统将于明年底在 R2 车辆平台上推出。硬件的重点是三个领导领域：传感器、自研芯片和整体产品集成。

Rivian采用多模态传感器策略，为 AI 模型提供丰富多样的数据集。

Rivian表示雷达和 LiDAR 非常有助于填补摄像头感知上的“漏洞”，否则这些漏洞会引发长尾问题。

Rivian第三代辅助驾驶硬件平台的激光雷达被很好地融入了车头设计，避免了常见的“出租车顶”式突兀结构。

根据相关信息，Rivian的激光雷达可能来自于Luminar等美国品牌，至于之前一直谈的速腾聚创等中国激光雷达，在当前的地缘政治环境下，基本不太可能。

Gen 3 自动驾驶计算平台与 RAP1 自研芯片

Rivian之前智能辅助驾驶的芯片和国内其他公司一样，采用来自英伟达的Orin系列芯片。

现在，推出的Gen 3 自动驾驶芯片称为 Rivian Autonomy Processor (RAP1)。它是为物理 AI 构建的系列芯片中的第一款，采用多芯片模块（MCM）架构，集成 Rivian 芯片和内存。

Gen 3 自动驾驶计算平台，采用两块RAP1芯片，合计1600TOPS。

关于芯片SoC

最后，Rivian宣称其RAP1 芯片设计具有可扩展性。它可以通过 RivLink（高达 128Gbps）实现多芯片连接，允许传感器数据在 SoC 间无缝共享，从而实现更高的性能。

目前首台部署的R2 中部署的系统是液冷的，Rivian表示支持风冷系统。 Gen 3 自动驾驶硬件系统能够每秒处理 50 亿像素的传感器数据。

Rivian 软件平台与数据飞轮运营

Rivian将其辅助驾驶软件模型称为大型驾驶模型（LDM），并表示是完全内部自研，端到端训练，直接从像素、雷达回波和激光雷达点生成轨迹。LDM 使用基于 Transformer、自回归预测和强化学习以及大型语言模型（LLMs）等算法技术。

传感器输入多模态通过早期融合（Early Fusion）将传感器数据整合到单一的世界模型中。传感器相互补充，增强了精度和预测信心。

进入AI算法网络结构中，每个传感器输入被编码、投影，然后结合成几何特征空间。

接着，基于 Transformer 的解码引擎从这个融合的张量中生成一个完整的世界模型，包括行人、车辆、用于短程操作的致密 3D Occ占用概率，以及实时生成的局部地图。

有了端到端的算法，下一步就是要有数据飞轮或者数据闭环能力。它能将真实世界的驾驶转化为数据，不断迭代模型。

Rivian构建了一个可查询的动态驾驶场景数据库。

车端部署了一个ADR 运行触发代码，可以根据世界模型看到的任何信号（如行人闯红灯、模型预测轨迹与人类驾驶轨迹的差异）触发记录。 ADR 效率很高，大多数“无聊”的驾驶数据不会被捕获。一旦触发器触发，事件发生前后的所有传感器数据会被捕获、标记、压缩并上传，然后可立即用于模型训练、评估或模拟器回放。

此外，在Rivian配备 LiDAR 后，每辆 R2 都将成为一辆“地面真值”车辆。这为训练数据提供了比其他 OEM 高出多个数量级的力量倍增器。此外，由于存储了所有传感器模态，可以利用大型离线模型对大部分训练数据进行自动标注。

LDM 基于与大型语言模型（LLMs）相同的技术，使用 Transformer 和 tokens（代表轨迹的小部分）。它采用 GRPO 强化学习，但目标是安全、高性能和平稳驾驶，而非与人类价值观对齐。

在训练中，模型采样多个轨迹，并通过道路规则排名器进行排序，从而训练模型，使其遵循正确的道路规则。

Rivian通过以下两个方式验证和确定发布新模型：

云模拟器：在每次发布时，通过数百万英里的真实世界场景运行整个自动驾驶栈，以统计学上显著的方式衡量安全性、舒适度和性能指标。

学徒模式（Apprentice Mode）：在向客户发布功能之前，新软件版本会在后台运行，与人类驾驶里程和旧版本进行对比监控，实现数千万英里的评估。

这样端到端模型车端部署，车端数据收集，云端训练下发，形成数据飞轮，不断向上提升和迭代软件版本。

Rivian 统一智能（RUI）的智能座舱等应用

Rivian将其对AI应用，做了一个组合形成了RUI的概念。并表示RUI 是一个共同的 AI 基础，理解Rivian的产品和运营，并个性化客户体验。

Rivian改造了车辆操作系统以支持 AI。内部开发了一个多智能体、多 LLM、多模态智能平台。RUI 跨越云端和边缘。

对于边缘 AI，R2 将拥有接近 100 TOPS 的边缘 AI，专门用于座舱体验。这将把大多数智能工作负载从云端转移到边缘，确保车辆离线时仍可使用完整的座舱 AI 体验。

最重要的应用就是Rivian 助理，类似于语言助手，AI agent的体验。它完全集成到用户体验和车载操作系统中。理解用户、车辆和用户所处的环境，并将于 2026 年初向所有 Gen 1 和 Gen 2 客户提供。

Rivian 助理基于 AGENTIC 框架构建，允许集成到更大的生态系统和个人数字上下文。

个人上下文集成：助理可集成 Google 日历。例如，询问日程或通过自然语言指令（如“将我与 Tim 的电话会议改到下午 5 点”）来管理日程。

车辆上下文集成：助理与所有车辆应用集成，包括 EV 路线规划和驾驶模式。例如，你可以要求导航到约会地点，并询问到达目的地时剩余的电量。它还能在不指定具体模式的情况下（如“切换到更高效的驾驶模式”）自动切换到“Conserve Mode”。

复杂任务控制：助理能通过一个自然语言命令执行复杂的任务，例如“加热除我以外的所有座椅”。

信息传递：助理提供了短信体验。它完全集成到车载操作系统中，可以访问所有应用和控制。它可以理解上下文（例如，你正在导航到某个地点），然后根据对话内容搜索附近的餐厅，并将选项和你的预计到达时间（ETA）整合到一条短信中发送给联系人。

助理拥有记忆和上下文感知能力，代表了 Rivian 数字系统的新基础。AI 正在以指数级速度拉大软件定义车辆与传统车辆架构之间的差距，而 Rivian 正处于从软件定义车辆迈向 AI 定义车辆的独特位置。

在工厂生产中，RUI的诊断智能体即时连接装配线上的实时遥测数据，使Rivian在车辆离开工厂前验证质量。

服务与维护：RUI 平台基于真实的车辆数据进行训练，赋能技术人员，帮助他们瞬间识别和确定故障的根本原因，将维修时间缩短数小时。该平台还支持客户通过车辆或移动应用智能地进行自助故障排除。

写在最后

Rivian 的“Autonomy & AI Day”清晰地勾勒出其对 L4 级自动驾驶的坚定承诺，即通过自研芯片 (RAP1) + 多模态传感器 (视觉、雷达、LiDAR) 构建一个高冗余、高效率的系统。

至此，多传感器融合方案阵营，在北美如我们之前文章《吴新宙带领英伟达冲刺自动驾驶L4背后的VLA大模型算法》分享到的英伟达供应链方案，有Waymo，现在有了欧美新势力Rivian的加入

这与特斯拉坚持的“纯视觉”路线形成了汽车 AI 领域最鲜明的技术分歧。

现在，一个核心问题摆在我们面前：

Rivian 激进的硬件方案和更具竞争力的 Autonomy+ 定价，是否会迫使特斯拉重新考虑其在硬件和定价上的策略？

在通往 L4 级的终极竞赛中，您认为哪种技术范式——Waymo/英伟达/Rivian 等的多模态重装方案还是特斯拉的纯视觉极简主义——将更早、更安全地赢得消费者的信任？

参考资料以及图片

Rivian AI day .pdf

*未经准许严禁转载和摘录-获取本文参考资料方式：加入我们的知识星球可以下载公众号海量参考资料包含以上参考资料。